該技術可應用于對數據安全、隱私保護和法律合規等方面有強烈要求的應用領域，例如金融、醫療、政務、交通等領域。所面向的用戶群體是需要在滿足數據安全、隱私安全和合規條件下，以多方協作的方式聯合使用文本類、圖像等數據的應用場景，主要面向跨組織、跨機構和跨設備間安全合規聯合建模。因此，具有較為廣泛的應用場景。

自2018年開始，聯邦學習、隱私計算等技術和產品成熟度迅速提升，在我國加快培育發展數據要素市場、數據安全流通需求快速迸發的推動下，隱私計算技術的應用場景越來越多。根據Gartner發布的“2022年12大技術趨勢”報告，隱私增強計算(PEC)成為重要技術趨勢之一。Gartner還表示，到2025年，60%的大型組織將在分析、商業智能或云計算中使用一種或多種隱私增強計算技術。根據中研普華研究報告顯示，預計至2025年中國隱私計算市場規模將達到145.1億元。在此背景下，聯邦學習技術作為實現隱私計算的重要技術路線之一，具有十分良好的應用前景和市場前景。

借助該技術在數據敏感行業實施與應用，實現安全聯合建模的隱私計算產品與服務，助力大數據價值挖掘與數據價值流通。計劃采取三步走方式來進行成果推廣，同時以實際市場需求為出發點，將適時進行靈活調整。第一階段進一步加強理論研究成果。第二階段深化項目成果，加強協作研究，與可信賴的產業界合作伙伴開發和部署多方安全計算示范項目，通過示范項目分步驟有序推進成果轉化進程，注重產、學、研、用結合機制加強協作研究，根據課題成果推廣的實際需要在金融、政務、智能制造等領域中開展推廣應用。第三階段經驗借鑒再發展，推廣鞏固科研成果。力爭未來5年在政府部門、知名金融機構等不同領域落地多個項目，打造隱私計算項目的標桿。

該技術進一步提高了聯邦學習技術的數據安全性，并基于“數據模型不動、知識動”的模式突破了現有聯邦學習模型的泛化和魯棒性，并能靈活適配異質、異構的終端設備和數據分布場景，與現有聯邦學習技術相比覆蓋場景更廣，效率更高，更符合參與方的個性化模型需求，并為聯邦學習驅動的大模型訓練和中心知識積累提供了技術基礎。同時在安全方面，能有效的抵御多種惡意攻擊和標簽推斷攻擊。這一系列技術優勢符合多方數據協作場景中對于數據安全、抗攻擊、分布異構和效率提升等迫切需要，符合數據流通產品的未來趨勢。